文献

J-GLOBAL ID：201802216808815402   整理番号：18A0519128

ハイパースペクトル画像分類のためのマルチスケール3D深層畳込みニューラルネットワーク【Powered by NICT】

Multi-scale 3D deep convolutional neural network for hyperspectral image classification

著者 (3件)： He Mingyi (Northwestern Polytechnical University, School of Electronics and Information International Center for Information Acquisition & Processing, Xi’an, Shaanxi, China, 710129) ,  Li Bo (Northwestern Polytechnical University, School of Electronics and Information International Center for Information Acquisition & Processing, Xi’an, Shaanxi, China, 710129) ,  Chen Huahui (Northwestern Polytechnical University, School of Electronics and Information International Center for Information Acquisition & Processing, Xi’an, Shaanxi, China, 710129)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3904-3908  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワーク(DNN)と深層学習の研究は1D(音声),2d(画像)及び3d(3D物体)認識/分類問題のための大きな進歩を遂げた。2次元空間と1次元スペクトル情報を用いた3次元物体画像とは全く異なることをHSIとして,既存のDNNはハイパースペクトル画像(HSI)分類に直接拡張することはできない。マルチスケール3D深い畳込みニューラルネットワーク(M3D DCNN)はHSI分類,併用エンドツーエンドアプローチにおけるHSIデータからの2次元マルチスケール空間特徴と1Dスペクトル特徴の両方を学ぶことができたのために提案された,大規模データセットを用いて良好な結果を達成するために有望である。PCA,スパース符号化などのようなものづくり特徴または前/後処理なしにもかかわらず,標準データセット上で最先端技術の結果,著者らの方法の技術的妥当性と進歩を示すを達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *スペクトル ,  *深層 ,  二次元 ,  後処理 ,  *画像 ,  *三次元 ,  一次元
準シソーラス用語： 最先端技術 ,  スパースコーディング ,  大規模データセット ,  スペクトル特徴 ,  *ハイパースペクトル画像 ,  深層学習 ,  *畳込みニューラルネットワーク ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ハイパースペクトル画像分類 ,  マルチスケール ,  3D ,  深層畳込みニューラルネットワーク